引入约束和兴趣度的关联规则采掘研究

摘要

该文通过对数据采掘,尤其是关联规则采掘研究发展的历史和现状分析,总结了增强用户干预和控制,支持特定约束要求,改进传统关联规则表达式形式上的缺陷以及与商用POS系统集成等几个主要努力方向.通过对各种约束类型以及它是否满足单调性和一次生成性的分析,该文基于经典的Apriori框架对频集成生阶段和规则生成阶段分别设计了有效的算法来采掘满足指定约束的关联规则.另外,为了更好地增强关联规则表达能力,文中引入了兴趣阈值的概念.然后将约束检验和兴趣度结合在一起,对考虑反向项集和反向约束两种思路分别进行了研究.以上的研究在一个基于商用POS系统上的数据采掘工具原型系统中予以实现,该文对这些工作做了简单介绍.

目录

摘要

Abstract

第一章 引言

1.1. 数据采掘的产生背景

1.2. 我们的工作

1.3. 本文组织

第二章 概述

2.1. 数据采掘概述

2.2. 数据采掘的方法与技术

2.2.1. 人工神经元网络(Artificial Neural Networks)

2.2.2.遗传算法(Genetic Algorithms)

2.2.3.决策树(Decision Trees)

2.3. 数据采掘的各种应用模式

2.3.1.分类模式(Classification)

2.3.2.回归模式(Regression)

2.3.3.时序模式(Time Series)

2.3.4聚类模式(Clustering)

2.3.5 关联模式(Association)

2.3.6 序列模式(Sequential)

2.4. 数据采掘的产品

第三章 关联规则研究综述

3.1. 关联规则的应用领域

3.2. 关联规则的形式定义

3.3. 基于频集的关联规则采掘算法的研究与实现

3.3.1.Apriori算法

3.3.2. AprioriTID算法

3.3.3.DHP算法

3.3.4. 三个基本算法的性能比较

3.4. 频集方法的推广

3.4.1. 关联规则的几种变体

3.4.2. 在线(Online)关联规则的生成

3.4.3.基于约束(Constraint)的关联规则

3.5. 关联规则研究的现状和努力方向

第四章 基于约束检验的关联规则采掘

4.1. 基本定义及问题描述

4.2. 单调性

4.3. 一次生成性

4.4. 基于单变量约束的频集生成算法

4.4.1.朴素算法Naive_Apriroi_Con_Gen()

4.4.2.控制参量算法Para Apriroi (m)

4.4.3.单调/一次生成算法Mono/One_Apriroi_Con Gen4.4.3 Mono/One_Apriroi Con_Gen()

4.4.4.算法性能比较

4.5. 基于双变量约束的频集生成算法研究

4.6. 基于约束的关联规则生成

第五章 兴趣度和约束检验的结合

5.1. 已有的几种兴趣度的定义

5.2. 关联规则形式定义的修改

5.3. 基于差异思想的兴趣度定义

5.4. 反向项集和约束检验的结合

5.5. 反向约束和兴趣度的结合

5.6. 工作小结

第六章 基于POS系统上的数据采掘工具

6.1. 销售点管理系统POS概述

6.1.1.POS系统的特点

6.1.2. 体系结构和模块结构

6.1.3.POS系统的现状和发展

6.2.POS Data Mining工作流程

6.2.1 数据准备(Data Preparation)

6.2.2.数据采掘(Data Mining)

6.2.3. 结果表示(Data Mining)

6.3. 原型系统实现

6.3.1. 系统平台及开发工具

6.3.2.数据结构

6.4. 系统界面

6.4.1. 数据采掘主界面

6.4.2.数据准备界面

6.4.3.约束输入界面

6.4.4. 结果显示界面

第七章 结束语

参考文献

致谢